Перевод речи в текст при работе с переводом на другой язык: как это использовать

Перевод речи в текст здесь — это не автоматический переводчик, а способ надиктовать текст вместо того, чтобы печатать его руками: переводчик проговаривает готовый перевод или расшифровывает исходную аудиозапись, а программа распознавания превращает голос в текст на экране. У «Потока» (potok.now) голосом получается около 900 знаков в минуту — быстрее ручного набора.

Переводчики и синхронисты часто работают с голосом дважды: сначала слушают или расшифровывают речь на исходном языке, потом надиктовывают перевод вместо того, чтобы печатать его руками. Голосовой ввод и инструменты распознавания речи ускоряют вторую часть работы — печать перевода, а для расшифровки исходной аудиозаписи чаще нужен отдельный инструмент транскрибации, а не диктовка в реальном времени: это разные задачи, и путать их не стоит. Весь список программ для диктовки — в разделе программы для голосового ввода.

Как переводчики используют голосовой ввод

Голос в переводческой работе выполняет две разные задачи, и путают их часто.

Первая — надиктовать готовый перевод вместо того, чтобы печатать его руками: переводчик читает исходный текст на экране, проговаривает перевод вслух, а обычный голосовой ввод превращает речь в текст прямо в открытом документе, CAT-инструменте или переписке. Это тот же принцип, что и у обычной диктовки: хоткей, речь, текст в активном поле. Подробнее о том, как это работает с русской речью — в статье голосовой ввод под русскую речь. У «Потока», например, так получается около 900 знаков в минуту голосом против около 200 при печати — заметно быстрее, но результат всё равно нужно вычитать: распознавание путает похожие по звучанию слова и специфичные термины, которых нет в общей языковой модели.

Вторая задача — расшифровать исходную речь, если работа идёт с аудио или видео, а не с готовым письменным текстом: интервью, вебинар, судебное заседание. Здесь обычная диктовка не подходит, потому что она рассчитана на разговор с активным полем в реальном времени, а не на загрузку готового файла. Нужен отдельный инструмент транскрибации, который принимает аудиофайл целиком и отдаёт текст на выходе — это либо специализированная программа, либо ручная расшифровка с паузами и перемоткой.

Отдельная функция — встроенный перевод сразу при диктовке: SpeakFlow, например, умеет надиктовать текст на русском и вставить рядом перевод на английский, а Lispr держит перевод среди базовых бесплатных функций наравне с push-to-talk и словарём. Talkpad распознаёт с автоопределением языка среди 100+ заявленных, но отдельной функции перевода вывода не заявляет — распознаёт то, что сказали, а не переводит это на лету. Это не то же самое, что перевод целого документа переводчиком-профессионалом, — скорее быстрый черновик или подсказка, которую всё равно проверяют.

Где диктовка перевода экономит время, а где мешает

У переводчиков ситуации отличаются от типичной офисной диктовки — вот где голосовой ввод действительно помогает, а где им лучше не пользоваться.

• Черновой перевод больших однотипных текстов — договоров по шаблону, писем, стандартных ответов — надиктовать быстрее, чем напечатать, а редактировать всё равно придётся и то, и другое.
• Устный синхронный или последовательный перевод на встрече — здесь голосовой ввод не участвует вообще: переводчик говорит вслух слушателю, а не в текстовое поле, и печатать в моменте некому.
• Художественный или юридически точный текст, где важен порядок слов и стиль — диктовка сбивает с мысли построением фраз с запинками, а расстановка знаков препинания голосом требует лишних правок.
• Специализированная терминология одной темы — медицина, право, техника — без личного словаря нейросеть заменит незнакомый термин на похожее по звучанию общее слово, и это придётся вычитывать построчно.
• Расшифровка исходной аудиозаписи перед переводом — интервью, судебное заседание, вебинар — здесь нужен инструмент транскрибации файлов, а не диктовка в реальном времени: смысл разный, хотя оба называют «голосом в текст».
• Работа в шумном месте или в компании клиента — открытый офис, переговорная, дорога — фоновые голоса и шум путают распознавание сильнее, чем тихая комната, а печатать молча иногда просто уместнее.
• Конфиденциальный документ под NDA — если клиент прямо запрещает передавать текст и голос за пределы своего контура, облачный голосовой ввод не подходит вовсе, даже черновой перевод придётся печатать руками или начитывать в локальный инструмент.

Когда лучше печатать или взять другой инструмент

Для расшифровки уже записанного интервью или судебного заседания Поток не подходит — это инструмент для диктовки в реальном времени в активное поле, а не для загрузки аудиофайлов; нужен отдельный сервис транскрибации — для готовых записей у «Потока» есть Telegram-бот @potok_now_bot. Поток — облачный сервис, распознавание идёт на серверах в России, и без интернета он не работает вовсе, поэтому в командировке без связи или у клиента с запретом на облако надёжнее клавиатура или локальный инструмент. Голосовых команд и правки текста голосом в нём нет — перевод, надиктованный голосом, всё равно редактируется руками, как и любой другой черновик. Нет версий для Android и iPhone — надиктовать перевод с телефона не получится, только с компьютера на Windows или macOS. Переводчикам, которые диктуют весь рабочий день, бесплатных 2500 слов в неделю хватит на один-два документа, не больше.

Частые вопросы

Первоисточники: speakflow.ru · speakflow.ru · speakflow.ru · blog.speakflow.ru